การพยากรณ์จำนวนผู้ป่วยด้วยโรคหลอดเลือดสมองในจังหวัดลพบุรี
Article Sidebar
Main Article Content
บทคัดย่อ
จากปีงบประมาณ 2557 ถึง 2566 จังหวัดลพบุรีมีผู้ป่วยด้วยโรคหลอดเลือดสมองเพิ่มขึ้นเป็นสองเท่าจาก 1,528 คน เป็น 3,020 คน การพยากรณ์จำนวนผู้ป่วยล่วงหน้าในปีงบประมาณ 2567 และ 2568 ด้วยแบบจำลองอนุกรมเวลาจะเป้นข้อมุลการบริหารในเบื้องต้นและสามารถปรับปรุงแบบจำลองเพื่อใช้พยากรณ์ต่อไป เนื่องจากมีข้อมูลสถิติจำนวนผู้ป่วยด้วยโรคหลอดเลือดสมองของจังหวัดลพบุรีเพียง 12 ปี (ปีงบประมาณ 2566 ถึง 2567 ประมวลผลวันที่ 12 มกราคม 2567) จึงเลือกใช้วิธีสมการถดถอยเชิงเส้นตรง และทฤษฎีระบบเกรย์ แบบจำลอง GM(1,1) ผลที่ได้วิธีสมการถดถอยเชิงเส้นตรงมีค่าเฉลี่ยร้อยละความผิดพลาดสัมบูรณ์ (Mean Average Percentage Error, MAPE) 2.9 ให้ค่าพยากรณ์จำนวนผู้ป่วยปีงบประมาณ 2567 และ 2568 เท่ากับ 3,180 และ 3,337 คน ตามลำดับ ส่วนแบบจำลอง GM(1,1)-I เมื่อใช้ข้อมูลปีงบประมาณ 2556 ถึง 2566 กับแบบจำลอง GM(1,1)-II ที่ใช้ข้อมูลปีงบประมาณ 2556 ถึง 2566 แล้ว มี MAPE 3.71 และ 4.45 ตามลำดับ ซึ่งอยู่ในเกณฑ์ใช้พยากรณ์ได้ดี แบบจำลอง GM(1,1)-I จำนวนผู้ป่วยปีงบประมาณ 2567 เท่ากับ 3,368 คน แบบจำลอง GM(1,1)-II ให้ค่าพยากรณ์จำนวนผู้ป่วยปีงบประมาณ 2567 และ 2568 เท่ากับ 3,253 และ 3,475 คน ตามลำดับ แบบจำลอง GM(1,1)-II ให้ค้าพยากรณ์ที่อยู่ตรงกลางระหว่างวิธีสมการถดถอยเชิงเส้นตรงและแบบจำลอง GM(1,1)-I จึงควรนำมาใช้เป็นค่าพยากรณ์
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
American Association of Neurological Surgeons. Cerebrovascular Disease [Internet]. American Association of Neurological Surgeons; 2024 [cited 2024 Jan 10]. Available from: https://www.aans.org/en/Patients/Neurosurgical-Conditions-and-Treatments/Cerebrovascular-Disease
Strategy and Planning Division (TH), Office of the Permanent Secretary Ministry of Public Health. International Classification of Diseases Thailand edition English-Thai Version 2016 Volume I Diseases Classification Table. Bangkok: Sri Muang Printing; 2016. (in Thai)
Ministry of Public Health (TH). 2567. Standard reporting group, Illness from important non-communicable diseases, Illness rate of cerebrovascular disease, Lopburi Province, fiscal year 2013 to 2024 [internet]. Bankkok: Ministry of Public Health; 2024 [cited 2024 Jan 10]. Available from: https://hdcservice.moph.go.th/hdc/reports/report.php?&cat_id=6a1fdf282fd28180eed7d1cfe0155e11&id=3092c3c3250ae67155f7e134680c4152 (in Thai)
Institute for Health Metrics and Evaluation. Health forecasting [Internet]. Institute for Health Metrics and Evaluation; 2024 [cited 2024 Jan 10]. Available from: https://www.healthdata.org/research-analysis/health-policy-planning/health-forecasting
Liu S, Lin Y. Grey systems theory and application. Verlag: Springer; 2010.
Alafchi B, Vosough RN, Shanazy H, Ghaleiha A, Sadeghifar M. Grey Prediction GM (1, 1) Model for Forecasting the number of Hospitalized Patients with Bipolar Disorder. Proceedings of the 14th Iranian Statistics Conference. 2018 Aug 25-28; Shahrood University of Technology, Shahrood, Iran; 2018. p. 40-6.
Yang X, Zou J, Kong, D, Jiang G. (2018). The analysis of GM (1, 1) grey model to predict the incidence trend of typhoid and paratyphoid fevers in Wuhan City, China. Medicine 2018; 97:e11787.10.1097/MD.0000000000011787.
Ding P, Yang Q, Wang C, Wei X, Zhou Y. Application of Improved Grey Model GM(1,1) in Prediction of Human Health Data. 2018 IEEE Third International Conference on Data Science in Cyberspace (DSC), 2018 Jun 18-21; Guangzhou, China; 2018. p. 428-32.
Wang Y, Wei F, Sun C, Li Q. The Research of Improved Grey GM (1, 1) Model to Predict the Postprandial Glucose in Type 2 Diabetes. Biomed Res Int. 2016;2016:6837052. doi: 10.1155/2016/6837052.
Choocheep P, Jayathavaj V. Predicting the Numbers of Diabetes Cases in Nakhon Ratchasima Province using Grey System Theory. Regional Health Promotion Center 9 Journal 2024;18(1):143-53. (in Thai)
Jayathavaj V, Pongpullponsak A. (2017). Forecasting the number of deaths from cerebrovascular diseases in Thailand using grey systems theory. Journal of Current Science and Technology 2017;7(2):131–40.
Jayathavaj V, Pongpullponsak A. Predicting the Number of Deaths from Ischemic Heart Diseases in Thailand Using Grey System Theory. Journal of Public Health 2017;47(2):177-88. (in Thai)
Zheng Z, Ling X, Wang P, Xiao J, Zhang F. Hybrid model for predicting anomalous large passenger flow in urban metros. IET Intell. Transp. Syst. 2020;14(14):1987-96.
PennState Eberly College of Science. STAT 415 Introduction to Mathematical Statistics 7.3 - Least Squares: The Theory [Internet]. PennState Eberly College of Science; 2024 [cited 2024 Jan 10]. Available from: https://online.stat.psu.edu/stat415/lesson/7/7.3
Aakhs BYJU'S. Correlation Coefficient [Internet]. BYJU'S; 2024. [cited 2024 Jan 17].
Available from: https://byjus.com/jee/correlation-coefficient/
PennState Eberly College of Science. STAT 500 9.3 - Coefficient of Determination [Internet]. PennState Eberly College of Science; 2024 [cited 2024 Jan 10]. Available from: https://online.stat.psu.edu/stat500/lesson/9/9.3
Wang Y-w, Shen Z-z, Jiang Y. Comparison of ARIMA and GM(1,1) models for prediction of hepatitis B in China. PLoS ONE 2018;3(9):e0201987. https://doi.org/10.1371/journal
Lewis CD. Industrial and business forecasting methods. London: Butterworths; 2023.
Center of Reinforcement for Research (TH), Mahidol University. Self-Assessment form whether an activity is human subject research which requires ethical approval (Eng, Thai) [Internet]. Center of Reinforcement for Research, Mahidol University; 2024 [cited 2024 Jan 10]. Available from: https://sp.mahidol.ac.th/th/ethics-human/forms/checklist/2022-Human%20Research%20Checklist-researcher.pdf (in Thai)
